KR20120055783A - 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 - Google Patents
소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 Download PDFInfo
- Publication number
- KR20120055783A KR20120055783A KR1020100117114A KR20100117114A KR20120055783A KR 20120055783 A KR20120055783 A KR 20120055783A KR 1020100117114 A KR1020100117114 A KR 1020100117114A KR 20100117114 A KR20100117114 A KR 20100117114A KR 20120055783 A KR20120055783 A KR 20120055783A
- Authority
- KR
- South Korea
- Prior art keywords
- noise
- map
- model
- cloud computing
- city
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012800 visualization Methods 0.000 title claims description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 239000003086 colorant Substances 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 2
- 230000008569 process Effects 0.000 abstract description 14
- 238000012545 processing Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 3
- 101150064138 MAP1 gene Proteins 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101150009249 MAP2 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
클라우드 컴퓨팅은 유시티에서 3차원 소음지도를 생성하는데 사용할 수 있다. 이 논문에서는 클라우드 컴퓨팅을 이용한 3차원 소음지도를 생성하는 방식을 설명하고, 그것의 성능을 평가한다. GIS 데이터를 이용한 3차원 이미지 처리는 복잡하고 대용량인 공간 정보를 이용하기 때문에 엄청난 양의 컴퓨팅 자원이 필요하다. 클라우드 컴퓨팅은 쉽고 투명한 방법으로 이 문제를 풀 수 있다. 대용량의 3차원 GIS 데이터를 분산 병렬처리하기 위해서 클라우드 컴퓨팅 방법 중 HDFS와 MapReduce로 이루어진 Hadoop를 이용하였다. 컴퓨팅 클러스터를 이용하여 처리 시간을 줄일 수 있다.
Description
본 발명은 국가연구개발사업의 일환으로, 과제고유번호 : "10561", 연구사업명 : "서울시 산학연 협력사업(2005년 기술기반 구축사업)", 연구과제명 : "스마트(유비쿼터스)시티를 위한 지능형 도시정보 컨버전스 시스템 개발"에 관한 것이다.
본 발명은 유비쿼터스-시티에서 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법에 관한 것으로, 특히, 유비쿼터스-시티(이하, "유시티"라고 함)을 위한 GIS 어플리케이션에서 클라우드 컴퓨팅의 분산병렬처리 기술을 응용하여 소음지도를 가시화하는 장치 및 방법에 관한 것이다.
유비쿼터스도시의 건설 등에 관한 법률 [법률 제9763호, 시행 2010. 3.10]은 유시티를, 즉, 유비쿼터스도시를 "도시의 경쟁력과 삶의 질의 향상을 위하여 유비쿼터스도시기술을 활용하여 건설된 유비쿼터스도시기반시설 등을 통하여 언제 어디서나 유비쿼터스도시서비스를 제공하는 도시를 말한다" 라고 정의하고 있다.
즉, 유시티란 정보통신과 건설, 도시공학이 융합되어짐으로서 만들어지고 관리되고 활용되는 도시를 말한다. 그것은 융합된 기술 및 인프라가 제공하는, 내부적으로 복잡하지만 잘 융합된, 서비스들을 제공한다. 유시티라는 용어 자체도 국내에서 주도한 것으로 전세계에 유포되고 있으며, 유시티 분야는 대한민국이 주도하고 있다. 세계 일부 국가에서 일부 분야를 강조한 첨단도시프로젝트를 진행하고 있지만, 우리의 유시티라는 이름과 형태로 진행되는 곳은 전세계적으로 대한민국 빼고는 거의 없다. 반면에 국내에서는 몇 년 전에 시작하여 현재 50여개의 유시티가 진행되고 있어서, 전세계를 리드해오고 있다고 할 수 있다. 아직은 태동기로서, 현재의 개념, 방법론, 필요기술 등등의 모든 사항을 정의하기 위하여 대한민국을 중심으로 노력 중이다. 이를 위하여 연구 개발의 필요성을 크게 느끼고 있는 형편이다. 본 특허의 기반이 되는 연구는 기술분야에서 표시한 바와 같이 2005년부터 지능형도시 (유시티) 연구사업단이 해오던 연구로서, 서울시에 의하여 선정되어 지원받는 대규모 국책과제로서 공식 지원금을 받아서, 산학연 컨소시엄형태로, 전세계에서 최초로 유시티 미들웨어 시스템과 이와 관련된 기술에 대한 체계적인 연구가 수행되어 왔다. 2008년을 기점으로, 각 지방자치 단체에서 수행해오던 유시티 사업이 제각각 방향으로 일관성이 없이 진행되고 효용성에 대한 비판이 일어남에 따라, 국토 해양부가 주도하여 유에코시티 사업을 최근 시작한 바 있다. 이는, 유시티 사업이, 일관성이 있고 효용성이 있으면서 국가를 발전시킬 원동력이 될 핵심 신산업이 될 수 있도록 하려는데 목표를 두고 있다. 이를 위하여 바람직한 방향을 제시하려고 노력 중이다.
NIST는 최근 클라우드 컴퓨팅의 정의를 "클라우드 컴퓨팅은 빠른 공급되고, 최소한의 관리로 제공되는 (네트워크, 서버, 스토리지, 어플리케이션, 서비스) 컴퓨팅 리소스 풀을 언제, 어디서나, 편리한 수요자 중심의 네트워크로 접속 가능한 모델"이라고 정의한다. 클라우드 컴퓨팅을 이용함으로써 사용자들은 지원하는 기술 인프라스트럭처에 대한 전문 지식이 없어도 또는 제어할 줄 몰라도 인터넷으로부터 서비스를 이용할 수 있다. 소프트웨어나 기타 컴퓨터 자원을 필요 시 돈을 주고 구입하는 서비스 형태로 제공되기 때문에 초기 비용지출이 적다. 가상화 기술과 분산 컴퓨팅 기술로 서버의 자원을 묶거나 분할하여 필요한 사용자에게 서비스 형태로 제공되기 때문에 컴퓨터 가용율이 높다. 추상화된 서비스를 통한 일치된 사용자 환경을 구현할 수 있다. 사용자의 데이터를 신뢰성 높은 서버에 보관함으로써 안전하게 보관 할 수 있다.
최근 지리정보시스템(GIS)기술의 발달에 힘입어 소음지도의 제작이 가능하게 되었다. 예를 들면, 독일의 라인팔츠 주는 2008년 이후로 인터넷을 통하여 2차원 소음지도를 대중에게 공개하고 있다. 영국은 소음의 폐해에 대한 평가에 초점을 맞추어 2차원 소음지도를 사용하고 있다. 3차원 소음지도는 현재 세계 각국의 앞으로 개발하고자 하여 각축을 벌이는 분야이다. EC에 의해 소음지도에 대한 표준이 채택된 이후, 여러 나라의 소음관련 연구가 더욱 활발해 졌다. 이에 따라 최근에 각 소음 관련 전문가들은 소음지도를 더욱 정밀하고 사실적으로 볼 수 있도록 하기 위해서 소음지도와 Visualization GIS 기술을 결합하였다.
하지만, GIS기술을 사용한 소음지도는 2D 지도를 사용한 것이고 실시간성을 보장하지 못한다. 2D 소음지도는 고도를 고려하지 않는다. 하지만 도시가 복잡해지고 높은 빌딩이 지어지면서 고도를 적용한 3D 소음지도가 필요하게 되었다. 하지만 도시 3D 소음지도는 컴퓨팅 파워가 많이 필요하다. 그리고, 시시각각 변하는 소음의 상태를 사용자에게 실시간으로 보여주기 위한 소음지도 또한 컴퓨팅 파워가 많이 필요하다. 지금까지 소음지도를 클라우드 컴퓨팅을 이용하여 분산병렬처리한 어떠한 연구도 없었다. 또한 본 특허는 2차원 및 3차원 소음지도를 모두 지원하고 있다.
[1] DIRECTIVE 2002/49/EC OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 25 June 2002 relating to the assessment and management of environmental noise, "Official Journal of the European Communities", 2002.
[2] Kurakula, V., "A GIS-Based Approach for 3D Noise Modelling Using 3D City Models", MSc proposal, University of Southampton, UK, 2007.
[3] J. Dean and S. Ghemaway, "MapReduce: Simplified Data processing on Large Clusters", Communications of the ACM, vol. 51, January, 2008, pp. 107-113, doi:10.1145/1327452.1327492.
[4] Apache Hadoop Homepage [online], October 2010, Available from: http://hadoop.apache.org/common/.
[5] The noise map in Europe [online], October 2010, Available from : http://www.xs4all.nl/~rigolett/ENGELS/maps/
[6] Cho, D. S., J. H. Kim, and D. Manvell. "Noise mapping using measured noise and GPS data". Applied acoustics, vol.68 no.9, pp. 1054-1061, 2007, doi:10.1016/j.apacoust.2006.04.015.
[7] Oh, S., I. LEE, S. Kim, and K. Choi. "Generation of a Spatial city model using a Digital Map and Draft Maps for a 3D Noise Map". Korean journal of remote sensing, vol.24 no.2, 2008, pp. 3-14.
[8] N. Golpayegani and M. Halem, "Cloud Computing for Satellite Data Processing on High End Compute Clusters", Proceedings of the 2009 IEEE International Conference on Cloud Computing, 2009, pp. 88-92, doi: 10.1109/CLOUD.2009.71.
[9] Bertram Ludaescher, Ilkay Altintas, Chad Berkley, Dan Higgins, Efrat Jaeger, Matthew Jones, Edward A. Lee, Jing Tao, and Yang Zhao, Scientific workflow management and the Kepler system: Research Articles. Concurr. Comput. : Pract. Exper. 18(10), pp. 1039-1065, 2006.
[10] M. Weiser, "The Computer for the Twenty-First Century", Scientific American, 1991, pp. 94-101.
따라서, 본 발명의 목적은 소음지도를 제작함에 있어 클라우드 컴퓨팅을 이용하여 분산병렬처리함으로써, 소음지도 제작시간을 획기적으로 줄일 수 있는 장치와 방법을 제공함에 있다.
상기와 같은 목적들을 달성하기 위한 본 발명의 일면은, 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법에 관한 것이다. 소음 지도 가시화 방법은, 소음 데이터를 수집하여 소음 데이터베이스를 생성하는 소음 데이터베이스 생성 단계, 소정의 클라우드 컴퓨팅 기법을 이용하여 시각화된 도시 모델을 생성하는 도시 모델 생성 단계, 및 클라우드 컴퓨팅 기법을 이용하여 소음 데이터베이스로부터 독출된 소음값을 도시 모델에 통합하여 소음 지도를 생성하는 소음 지도 가시화 단계를 포함한다. 소음 데이터베이스 생성 단계는 원격 센서로부터 수신된 소음값을 유비쿼터스 센서 네트워크(USN)를 통하여 수집하는 단계, 및 수집된 소음값을 이용하여 소음 데이터베이스를 생성하는 단계를 포함하는 것을 특징으로 한다. 도시 모델 생성 단계는 디지털 맵 데이터를 그리드 셀로 분할하는 단계, Hadoop을 이용한 MapReduce 기법을 적용하여 지형(terrain)을 모델링하고 수치 표고 모델(digital elevation model)을 생성하는 단계, MapReduce 기법을 이용하여 빌딩 모델(building model)을 생성하는 단계, 및 분할된 그리드 셀을 통합하여 도시 모델을 생성하는 단계를 포함하는 것을 특징으로 한다. 또한, 수치 표고 모델 및 빌딩 모델은 3차원 도시 모델로서 생성된다. 더 나아가, 소음 지도 가시화 단계는 Hadoop을 이용한 MapReduce 기법을 적용하여 각 소음값을 RGB 값으로 변환하는 단계, 도시 모델의 출력에 ID를 부여하고 ID에 따라서 그루핑하는 파티셔닝 단계, 파티셔닝된 결과를 MapReduce 기법을 이용하여 도시 모델의 텍스쳐(texture)에 적용하는 단계를 포함한다.
상기와 같은 목적들을 달성하기 위한 본 발명의 다른 면은 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치에 관한 것이다. 소음 지도 가시화 장치는, 소음 데이터를 수집하여 소음 데이터베이스를 생성하는 소음 데이터베이스 생성부, 소정의 클라우드 컴퓨팅 기법을 이용하여 시각화된 도시 모델을 생성하는 도시 모델 생성부, 및 클라우드 컴퓨팅 기법을 이용하여 소음 데이터베이스로부터 독출된 소음값을 도시 모델에 통합하여 소음 지도를 생성하는 소음 지도 가시화부를 포함한다. 소음 데이터베이스 생성부는 원격 센서로부터 수신된 소음값을 유비쿼터스 센서 네트워크(USN)를 통하여 수집하는 동작, 및 수집된 소음값을 이용하여 소음 데이터베이스를 생성하는 동작을 수행하도록 적응된다. 도시 모델 생성부는, 디지털 맵 데이터를 그리드 셀로 분할하는 동작, Hadoop을 이용한 MapReduce 기법을 적용하여 지형(terrain)을 모델링하고 수치 표고 모델(digital elevation model)을 생성하는 동작, MapReduce 기법을 이용하여 빌딩 모델(building model)을 생성하는 동작, 및 분할된 그리드 셀을 통합하여 도시 모델을 생성하는 동작을 수행하도록 적응된다. 특히, 소음 지도 가시화부는 Hadoop을 이용한 MapReduce 기법을 적용하여 각 소음값을 RGB 값으로 변환하는 동작, 도시 모델의 출력에 ID를 부여하고 ID에 따라서 그루핑하는 파티셔닝 동작, 파티셔닝된 결과를 MapReduce 기법을 이용하여 도시 모델의 텍스쳐(texture)에 적용하는 동작을 수행하도록 적응된다. 특히, RGB 값은 다음 수학식 
을 이용하여 연산되며, 여기서 NC는 컬러 인덱스, Nmax는 소음레벨의 최대값, Nmin은 최소값, C는 전체 색의 수 및 N은 각 그리드의 소음 레벨을 나타내는 것을 특징으로 한다.
본 발명은 다음과 같은 효과를 갖는다. 첫째, 기존의 방법으로는 소음지도를 제작하는데 몇 시간에서 몇 일 이상의 시간을 들여서 작성하였는데 본 발명에서 소음지도 작성과정을 클라우드 컴퓨팅을 이용하여 분산병렬처리하는 경우 실시간에 가깝게 소음지도를 작성하여 가시화 할 수 있다. 둘째, 이와 같이 클라우드 컴퓨팅의 분산병렬처리 기술 중 맵리듀스 기법을 이용하여 작업의 실패 확률을 없앨 수 있어 처리를 자동화 할 수 있다.
도 1은 디지털 고도 모델을 도시하는 도면이다.
도 2는 빌딩 모델을 도시하는 도면이다.
도 3은 3D 소음 지도를 생성하기 위한 클라우드 컴퓨팅 프로세스를 도식화한 도면이다.
도 4는 맵리듀스의 실행 과정을 설명하는 도면이다.
도 5는 본 발명에 의한 맵리듀스를 이용한 소음지도의 분산병렬처리 기법에 대한 처리 프로세스를 개괄하는 도면이다.
도 6은 3차원 소음지도를 가시화한 일례를 스냅샷으로 보여주고 있다.
도 2는 빌딩 모델을 도시하는 도면이다.
도 3은 3D 소음 지도를 생성하기 위한 클라우드 컴퓨팅 프로세스를 도식화한 도면이다.
도 4는 맵리듀스의 실행 과정을 설명하는 도면이다.
도 5는 본 발명에 의한 맵리듀스를 이용한 소음지도의 분산병렬처리 기법에 대한 처리 프로세스를 개괄하는 도면이다.
도 6은 3차원 소음지도를 가시화한 일례를 스냅샷으로 보여주고 있다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로서, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
일반적으로, 소음지도는 2D 지도를 이용하여 그리는 방법과 3D GIS 모델을 이용하여 그리는 방법이 있다. 2D 지도를 이용하여 그리는 소음지도(2D Noise Map)는 어떤 일정한 높이에서의 값을 사용하여 가시화한다. 하지만 도시가 복잡해지고 고층 빌딩이 많이 지어짐에 따라 고도에 따른 소음도도 중요해지고 있다. 고도에 따른 소음도를 표시하기 위해서는 도시3D모델링을 이용한 소음지도가 필요하다. 3차원 소음지도를 만들기 위해서 아래의 3단계가 필요하다.
1) 소음데이터베이스 만들기
2) 3차원 도시모델 생성
3) 3차원 도시모델에 소음값을 입히기
먼저 1)단계에서, 유시티에서 소음데이터는 원격에 있는 USN(Ubiquitous Sensor Network)를 통해서 데이터베이스 모아진다. 이 데이터 베이스를 만들기 위해서 인터폴레이션 방법을 이용하여 작성할 수도 있다. 다시 말해서 중요한 지점의 소음값을 측정하고, 측정되지 않은 지역의 가까운 측정된 지역의 데이터값을 이용하여 측정되지 않은 지역의 소음값을 예측식을 이용하여 예측할 수 있다
2) 단계에서, 도시 3D 모델링은 지형 모델(terrain model)을 생성하는 것과 도 2에서 보여지는 빌딩 모델을 생성하는 것을 포함한다.
도 1은 디지털 고도 모델을 도시하는 도면이고, 도 2는 빌딩 모델을 도시하는 도면이다.
도시 3D 모델링은 빌딩 모델의 복잡성 때문에 빌딩모델을 생성하는데 많은 컴퓨팅 파워를 소모한다. 이 문제를 해결하기 위해 우리는 클라우드 컴퓨팅을 이용하였다.
3) 단계에서, 3차원 도시 모델에 소음값을 입힌다. 3차원 도시 모델의 데이터가 매우 크기 때문에 각각의 소음도를 RGB값으로 변환하여 3차원 도시 모델의 텍스처 파일에 RGB값을 맵핑하는 것도 역시 컴퓨팅 파워를 많이 소모한다. 이 세 번째 단계의 작업을 하는데 있어서, 클라우드 컴퓨팅를 사용하였다. 그러므로,온라인처리에 가까운 시간으로 처리 시간을 줄였다.
이하, 도 3 및 도 4를 이용하여 클라우드 컴퓨팅에 대해 설명한다.
도 3은 3D 소음 지도를 생성하기 위한 클라우드 컴퓨팅 프로세스를 도식화한 도면이고, 도 4는 맵리듀스의 실행 과정을 설명하는 도면이다.
클라우드 컴퓨팅은 3차원 소음지도를 만들기 위해서 도 3과 같이 처리한다. 3차원 데이터를 처리하기 위해 디지털 지도의 데이터를 격자로 잘라 작은 구역으로 만들었다. 디지털 지도의 데이터는 큰 파일을 생성하기 때문에 대규모의 분산 병렬 처리를 하기 위한 클라우드 컴퓨팅 기술중 하둡의 맵리듀스를 이용한다. 하둡은 HDFS와 MapReduce로 구성되어 있다. HDFS는 replication을 이용하여 하둡 클러스터 상에 분산저장 및 복제 저장하기 때문에 데이터의 안전성을 지켜준다. 이것은 데이터가 대용량일 때 데이터 폴트 문제를 해결할 수 있다.
MapReduce가 SPMD(single program multiple data)모델을 사용하기 때문에 우리는 3차원 GIS 이미지 데이터를 격자로 잘라 처리한 후 합치는 방법을 이용한다([10] 참조). 도 4에 도시된 바와 같이, 맵리듀스를 이용하여 3차원 도시 모델을 만들고, 이 모델이 3차원 소음지도 제작의 입력으로써 재사용된다.
도 5는 본 발명에 의한 맵리듀스를 이용한 소음지도의 분산병렬처리 기법에 대한 처리 프로세스를 개괄하는 도면이다.
3차원 소음지도를 생성하기 위해서는 맵리듀스를 2번 실행하여야 한다. 첫 번째 맵리듀스는 3차원 도시 모델을 제작하기 위해서이고, 두 번째는 3차원 도시 모델에 소음지도 값을 입히기 위해서이다. 3차원 도시 모델을 제작하기 위해서는 지형데이터를 가지고 있는 수치표고모델(Digital Elevation Model:DEM)과 건물데이터를 가지고 있는 건물 모델이 필요하다. 수치표고모델과 건물 모델을 생성하기 위해서 맵함수의 입력으로써 전자지도(digital map)과 도화원도(draft map)를 이용한다. 이때 전자지도는 ((평면 좌표값), (높이, 지형물 고유값))의 키-밸류(Key-Value) 쌍으로 맵함수에 입력값으로 들어가고, 도화원도는 ((평면 좌표값), (높이, 건물 고유값))의 키-밸류 쌍로 맵함수의 입력값으로 들어간다. 수치표고모델을 만들기 위해서 전자지도와 도화원도로부터 지형의 높이 데이터를 추출하였고, 추출한 데이터를 이용하여 수치표고모델을 제작하였다.
건물 모델은 전자지도의 2차원 건물의 경계 좌표를 추출하고 전자지도와 도화원도를 이용하여 서로 일치하는 빌딩의 높이값을 추출하여 빌딩의 높이값을 결정하여 제작하였다. 본 발명에서는 대상지역을 여러 개의 작은 지역(이하 하위지역)으로 나누고 각각에 고유 ID값을 부여했다. 따라서 각 지역좌표는 맵함수에서 처리될 때 특정 하위지역의 ID값을 부여 받았다. 따라서 각각의 하위지역이 서로 구별될 수 있도록 하였다. 즉 키값으로는 (평면 좌표값,하위지역 고유값)를 갖도록 하였다.
그리고 맵함수의 결과값이 리듀스 함수에 입력값으로 입력되기 전 파티셔너(partitioner)를 사용하여 맵함수 결과물의 키 중 우리가 부여 하였던 고유값으로 그 좌표 값들이 그룹화 및 정렬되도록 하였다. 그리고 이 그룹화 된 하위지역의 개수만큼 리듀스 워커의 개수를 정의함으로써 한 개의 리듀스 함수는 1개의 하위지역을 처리하도록 하였다.
리듀스 함수의 입력 값인 이 그룹화와 정렬된 수치표고모델과 건물모델의 좌표값은 리듀스 함수에서 서로 일치되는 그 좌표값을 통하여 지형과 건물이 합쳐진 지도를 만들 수 있도록 하였다. 그리고 이 결과값은 다음 단계의 맵 함수 입력 값으로 사용된다. 두번째 맵리듀스에서도 2 종류의 맵 함수를 사용하였다. 첫번째 맵함수는 이전 맵리듀스 과정의 결과값인 3차원 도시모델을 입력값으로 하고 두번째 맵함수는 소음지도를 그리기 위해 필요한 좌표값 및 그 좌표에 따른 소음 정도에 대한 정보를 가지고 있는 파일을 입력값으로 한다.
즉, 후자의 경우 ((평면 좌표값), (높이, 소음도))의 키-밸류 쌍이 맵함수의 입력값으로 되게 하였다. 그리고 전자의 맵함수는 이전 맵리듀스의 결과물을 처리하는 역할을 담당하고 후자의 맵함수는 소음도 값을 RGB값으로 변환하고 하위지역으로 나누는 역할을 담당한다. 소음도 값은 RGB값으로 변환되어야 한다.
그리고 이에 따른 결과값인 대상지역을 여러 개의 하위지역으로 나누었으며 이 때 하위지역의 고유값은 이전 첫 번째 맵리듀스의 하위지역과 매칭되도록 하였다. 따라서 첫 번째 맵리듀스에서 대상지역의 좌표값과 두 번째 맵리듀스에서 대상지역의 좌표값이 같으면 그 좌표에 대해서 같은 고유값을 부여 받도록 하였다. 이에 따른 맵함수의 결과값은 ((평면 좌표값, 하위지역 고유값), (높이, RGB값))의 키-밸류 쌍 형태가 되게 된다. 이렇게 두 종류의 맵함수를 통하여 나온 결과값은 리듀스 함수의 입력값으로 입력되기 전 파티셔너를 거쳐 맵함수의 결과값에서 그 키값 중 고유값이 일치하는 결과값들을 그룹화하고 정렬화하였다.
이렇게 그룹화되고 정렬화 되어진 키-밸류 쌍이 리듀스 함수의 입력값이 된다. 현재 리듀스 함수의 입력값은 각 점의 RGB값과 3D 도시 모델이기 때문에 3차원 도시 모델에 RGB 값을 그냥 입히면 3차원 도시 모델에 점이 찍힌 모양으로 지도가 생성이 된다. 벽면처럼 보이기 하기 위하여서 점 사이를 보간하여 건물의 외벽을 작성하였다. 리듀스를 통해서 나온 결과값은 하위 지역의 결과 파일이 된다. 따라서 이 리듀스 함수들의 결과 파일들을 합쳐 주게 되면 최종 소음지도가 된다.
이러한 처리 프로세스를 상세히 설명하면 다음과 같다.
전술된 바와 같이, 3차원 도시 모델을 만들기 위해서 MapReduce를 이용하였다. 우리는 2가지 맵 함수를 사용하였다: map_1은 DEM(Digital Elevation Model)을 만드는 역할을 하고, map_2는 도 2에서 보여주는 것처럼 물체의 토폴로지 정도와 높이 정보를 갖고 있는 건물 모델을 만든다. 리듀스는 DEM과 빌딩 모델을 융합한다. 이 처리는 reduce_1이라고 부르지만 이는 설명의 편의를 위한 것일뿐 본 발명을 한정하는 것이 아님은 명백하다. Reduce_1의 처리결과는 3차원 도시 모델이다. 표 1은 map_1, map_2 그리고 reduce_1 이 3가지 함수를 설명한다.
건물 모델을 만들기 위해서 map_2의 getBld()메서드는 디지털 지도로부터 2차원 건물의 경계선의 좌표를 추출하고, draft map으로부터 건물의 높이값을 추출한다. 테스트지역을 세부영역으로 나누고, 각각에 ID를 부여하였다. 테스트 지역은 Map 함수에서 세부영역의 아이디를 부여받는다. 그러므로 모든 map함수의 키값은 <sub-area-ID, x, y-coordinate>이다.
Map_1과 Map2의 결과는 파티셔너에 의해서 세부지역의 아이디로 정렬되고 그룹화된다. 파티셔너의 결과는 reduce_1의 입력이 된다. 이것은 DEM과 건물 모델의 결과이 세부지역의 아이디로 정렬되고 그룹화되어 reduce_1의 입력이 되는 것을 뜻한다. Reduce_1은 3차원 도시 모델을 제작하기 위해서 generate3DCity()메서드를 호출한다. 세부지역의 개수와 같게 reduce가 로드되어 reduce_1 함수를 처리한다. Reduce_1의 결과는 다음단계 맵리듀스의 map_4의 입력으로 사용된다.
이하, 소음 지도를 생성하기 위한 클라우드 컴퓨팅 기법에 대해 설명한다.
우선, 3차원 소음지도를 생성하기 위해서 3차원 도시 모델에 소음도를 어떻게 합치는지에 대해서 설명한다. 우리는 2가지 종류의 map 함수를 이용하였다. Map_3은 reduce_2의 인풋으로써, 건물의 소음정도를 처리한다. Map_3의 결과는 <<building ID, x, y coordinates> and <z coordinates, value of noise level>>로 표현된다. Map_4는 reduce_1의 결과를 reduce_2에서 처리할 수 있도록 변환한다. 표 2는 map_3, map_4 그리고 reduce_2의 3가지 함수를 설명한다.
Map_3의 입력은 소음지도를 만들기 위해 필요한 좌표값과 건물의 아이디 그리고 소음도이다. 이것은 좌표를 이용하여 소음도를 3차원 도시 모델에 맵핑할 수 있다. Map_3의 키로써 우리는 각각의 빌딩을 구별하기 위해서 건물 아이디도 이용하였다.
Map_3과 map_4의 결과는 파티셔너에 의해서 세부지역의 ID로 정렬되었었다. Reduce_2는 map_4로부터 받은 3차원 도시 모델에 map_3으로부터 받은 각지역의 소음도 값을 합쳐서 3차원 소음지도를 최종 생성한다. 여기에서 우리는 getRGB() 메서드를 이용하여 RGB 컬러 인덱스(color index)를 만들었다. 우리가 소음도를 이용하여 컬러 인덱스를 만드는 식은 수학식 1과 같다.
수학식 1에서 nc는 컬러 인덱스이고, Nmax는 소음도의 최대값이고, Nmin은 최소값이다. C는 색의 개수를 나타내며, N은 각 좌표의 소음도를 나타낸다.
소음도가 RGB값으로 변환된 후, 소음지도를 생성한다. 첫째 표면의 각 점에 가까운 점에 따라서 각각의 벽면에 소음도를 결정한다. 두번째, 첫번째 단계에서 찾아내지 못한 점은 인터폴레이션을 이용하여 RGB값을 결정한다. 각 표면의 이미지값을 생성한후에 하나의 파일로 합쳐서 3차원 소음지도를 생성한다. 함쳐진 결과물이 도 6에 도시된다.
도 6은 3차원 소음지도를 가시화한 일례를 스냅샷으로 보여주고 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 본 발명은 유시티용 미들웨어를 이용하여 구현될 수 있으나 유시티 미들웨어는 본 발명을 구현하는데 있어서 필수적인 것은 아니다.
따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
본 발명은 도시 소음의 가시화 기술에 적용될 수 있다.
Claims (12)
- 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법에 있어서,
소음 데이터를 수집하여 소음 데이터베이스를 생성하는 소음 데이터베이스 생성 단계;
소정의 클라우드 컴퓨팅 기법을 이용하여 시각화된 도시 모델을 생성하는 도시 모델 생성 단계; 및
상기 클라우드 컴퓨팅 기법을 이용하여 상기 소음 데이터베이스로부터 독출된 소음값을 상기 도시 모델에 통합하여 소음 지도를 생성하는 소음 지도 가시화 단계를 포함하는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 제1항에 있어서, 상기 소음 데이터베이스 생성 단계는,
원격 센서로부터 수신된 소음값을 유비쿼터스 센서 네트워크(USN)를 통하여 수집하는 단계; 및
수집된 소음값을 이용하여 상기 소음 데이터베이스를 생성하는 단계를 포함하는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 제1항에 있어서, 상기 도시 모델 생성 단계는,
디지털 맵 데이터를 그리드 셀로 분할하는 단계;
Hadoop을 이용한 MapReduce 기법을 적용하여 지형(terrain)을 모델링하고 수치 표고 모델(digital elevation model)을 생성하는 단계;
상기 MapReduce 기법을 이용하여 빌딩 모델(building model)을 생성하는 단계; 및
분할된 그리드 셀을 통합하여 상기 도시 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 제3항에 있어서,
상기 수치 표고 모델 및 상기 빌딩 모델은 3차원 도시 모델로서 생성되는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 제1항에 있어서, 상기 소음 지도 가시화 단계는,
Hadoop을 이용한 MapReduce 기법을 적용하여 각 소음값을 RGB 값으로 변환하는 단계;
상기 도시 모델의 출력에 ID를 부여하고 ID에 따라서 그루핑하는 파티셔닝 단계;
파티셔닝된 결과를 MapReduce 기법을 이용하여 상기 도시 모델의 텍스쳐(texture)에 적용하는 단계를 포함하는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 제5항에 있어서,
상기 RGB 값은 다음 수학식
을 이용하여 연산되며, 여기서 NC는 컬러 인덱스, Nmax는 소음레벨의 최대값, Nmin은 최소값, C는 전체 색의 수 및 N은 각 그리드의 소음 레벨을 나타내는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 방법. - 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치에 있어서,
소음 데이터를 수집하여 소음 데이터베이스를 생성하는 소음 데이터베이스 생성부;
소정의 클라우드 컴퓨팅 기법을 이용하여 시각화된 도시 모델을 생성하는 도시 모델 생성부; 및
상기 클라우드 컴퓨팅 기법을 이용하여 상기 소음 데이터베이스로부터 독출된 소음값을 상기 도시 모델에 통합하여 소음 지도를 생성하는 소음 지도 가시화부를 포함하는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치. - 제7항에 있어서, 상기 소음 데이터베이스 생성부는,
원격 센서로부터 수신된 소음값을 유비쿼터스 센서 네트워크(USN)를 통하여 수집하는 동작; 및
수집된 소음값을 이용하여 상기 소음 데이터베이스를 생성하는 동작을 수행하도록 적응되는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치. - 제7항에 있어서, 상기 도시 모델 생성부는,
디지털 맵 데이터를 그리드 셀로 분할하는 동작;
Hadoop을 이용한 MapReduce 기법을 적용하여 지형(terrain)을 모델링하고 수치 표고 모델(digital elevation model)을 생성하는 동작;
상기 MapReduce 기법을 이용하여 빌딩 모델(building model)을 생성하는 동작; 및
분할된 그리드 셀을 통합하여 상기 도시 모델을 생성하는 동작을 수행하도록 적응되는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치. - 제9항에 있어서,
상기 수치 표고 모델 및 상기 빌딩 모델은 3차원 도시 모델로서 생성되는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치. - 제7항에 있어서, 상기 소음 지도 가시화부는,
Hadoop을 이용한 MapReduce 기법을 적용하여 각 소음값을 RGB 값으로 변환하는 동작;
상기 도시 모델의 출력에 ID를 부여하고 ID에 따라서 그루핑하는 파티셔닝 동작;
파티셔닝된 결과를 MapReduce 기법을 이용하여 상기 도시 모델의 텍스쳐(texture)에 적용하는 동작을 수행하도록 적응되는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치. - 제11항에 있어서,
상기 RGB 값은 다음 수학식
을 이용하여 연산되며, 여기서 NC는 컬러 인덱스, Nmax는 소음레벨의 최대값, Nmin은 최소값, C는 전체 색의 수 및 N은 각 그리드의 소음 레벨을 나타내는 것을 특징으로 하는 소음 지도를 가시화하기 위한 클라우드 컴퓨팅 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100117114A KR101190882B1 (ko) | 2010-11-23 | 2010-11-23 | 고속의 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100117114A KR101190882B1 (ko) | 2010-11-23 | 2010-11-23 | 고속의 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120055783A true KR20120055783A (ko) | 2012-06-01 |
| KR101190882B1 KR101190882B1 (ko) | 2012-10-12 |
Family
ID=46608084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100117114A KR101190882B1 (ko) | 2010-11-23 | 2010-11-23 | 고속의 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101190882B1 (ko) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956101A (zh) * | 2014-05-21 | 2014-07-30 | 首都师范大学 | 一种基于建筑表面噪音模型的噪音地图构建方法 |
| WO2016119107A1 (zh) * | 2015-01-26 | 2016-08-04 | 深圳市冠旭电子有限公司 | 一种噪音地图绘制方法及装置 |
| KR101671223B1 (ko) | 2015-10-08 | 2016-11-01 | 한국철도기술연구원 | 영상정보를 이용한 실시간 소음분석 시스템 및 이를 이용한 소음분석 방법 |
| JPWO2017130537A1 (ja) * | 2016-01-29 | 2018-11-22 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
| US10444062B2 (en) | 2014-09-12 | 2019-10-15 | Microsoft Technology Licensing, Llc | Measuring and diagnosing noise in an urban environment |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101601720B1 (ko) | 2014-10-24 | 2016-03-10 | 서울시립대학교 산학협력단 | 교통소음지도 작성을 위한 3차원 도시 모델링시스템 및 방법 |
| KR101965313B1 (ko) | 2017-09-14 | 2019-04-03 | 동아대학교 산학협력단 | 이어폰 형태의 소리 수집 장치를 이용한 빅 데이터 기반 실시간 소음지도 제공 시스템 |
-
2010
- 2010-11-23 KR KR1020100117114A patent/KR101190882B1/ko not_active IP Right Cessation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956101A (zh) * | 2014-05-21 | 2014-07-30 | 首都师范大学 | 一种基于建筑表面噪音模型的噪音地图构建方法 |
| US10444062B2 (en) | 2014-09-12 | 2019-10-15 | Microsoft Technology Licensing, Llc | Measuring and diagnosing noise in an urban environment |
| WO2016119107A1 (zh) * | 2015-01-26 | 2016-08-04 | 深圳市冠旭电子有限公司 | 一种噪音地图绘制方法及装置 |
| US9728204B2 (en) | 2015-01-26 | 2017-08-08 | Shenzhen Grandsun Electric Co., Ltd. | Method and device for drawing a noise map |
| KR101671223B1 (ko) | 2015-10-08 | 2016-11-01 | 한국철도기술연구원 | 영상정보를 이용한 실시간 소음분석 시스템 및 이를 이용한 소음분석 방법 |
| JPWO2017130537A1 (ja) * | 2016-01-29 | 2018-11-22 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101190882B1 (ko) | 2012-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101190882B1 (ko) | 고속의 소음지도를 가시화하기 위한 클라우드 컴퓨팅 장치 및 방법 | |
| CN109978249B (zh) | 基于分区建模的人口数据空间化方法、系统及介质 | |
| CN109408548A (zh) | 一种城市电力大数据应用系统及方法 | |
| CN113673948A (zh) | 一种基于工业互联网的数字孪生基础开发平台 | |
| CN112115198A (zh) | 一种城市遥感智能服务平台 | |
| CN102117367A (zh) | 飞机装配现场可视化仿真系统 | |
| CN108255539B (zh) | 基于云计算和数据虚拟化的气象卫星数据处理系统 | |
| CN103049620A (zh) | 一种船舶建造过程船舶仿真系统及方法 | |
| CN103995896A (zh) | 海量气象数据三维可视化分析工具系统 | |
| CN114372308A (zh) | 一种基于ifc的bim模型轻量化方法 | |
| CN113674135A (zh) | 基于工作流实现calpuff高性能的计算方法 | |
| Park et al. | Visualization of urban air pollution with cloud computing | |
| Navarro et al. | A big data framework for urban noise analysis and management in smart cities | |
| Zou | Research on cloud computing for disaster monitoring using massive remote sensing data | |
| CN112948353B (zh) | 一种应用于DAstudio的数据分析方法、系统及存储介质 | |
| CN112507549B (zh) | 一种模块化水文模拟系统 | |
| CN112614207B (zh) | 等值线绘制方法、装置和设备 | |
| CN116737817B (zh) | 多源异构数据融合方法、设备及计算机可读存储介质 | |
| CN113127580A (zh) | 一种电网数据可视化方法、装置、设备及介质 | |
| CN115439015B (zh) | 基于数据中台的局域电网数据管理方法、装置及设备 | |
| CN117113471A (zh) | 一种基于cim技术的城市仿真模型算法 | |
| CN104239630A (zh) | 一种支持试验设计的仿真调度系统 | |
| CN114637815A (zh) | 一种基础地理实体数据更新方法及系统 | |
| Cao et al. | Parallel visualization of large-scale multifield scientific data | |
| KR20120005321A (ko) | 지구환경변화 예측시스템 및 지구환경변화 예측방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20160805 Year of fee payment: 5 |
|
| LAPS | Lapse due to unpaid annual fee |